Extrahieren von text für Zeile aus der PDF mit iTextSharp c#

Muss ich laufen, eine Analyse meiner extrahieren von Daten aus einem PDF-Dokument.

Mit iTextSharp habe ich die PdfTextExtractor.GetTextFromPage Methode zum extrahieren von Inhalten aus einem PDF-Dokument und es wieder bei mir in eine einzige lange Zeile.

Gibt es eine Möglichkeit, um den text durch eine Linie, so dass ich speichern Sie in einem array? Also, ich kann die Daten analysieren, indem Sie die Linie, die flexibler wird.

Unten ist der code, den ich verwendet:

       string urlFileName1 = "pdf_link";
        PdfReader reader = new PdfReader(urlFileName1);
        string text = string.Empty;
        for (int page = 1; page <= reader.NumberOfPages; page++)
        {
            text += PdfTextExtractor.GetTextFromPage(reader, page);
        }
        reader.Close();
        candidate3.Text = text.ToString();
Xander ein paar Fragen.. der erste Weg macht die PdfReader(urFileName) macht, Lesen Sie alle Zeilen auf einmal während diesen Anruf..? wenn dem so ist, dann müssen Sie wohl ändern, die for-Schleife eine while-Schleife und nennen die reader.ReadLine() Methode .. ich bin auf der Suche, wie man Lesen würde, die normalerweise mit dem StreamReader-Klasse, lassen Sie mich wissen, wenn es gibt ein .ReadLine () - Methode Lesen von PDF-Inhalten überprüfen Sie diesen link aus
Hi @DJKRAZE ja den PdfReader(urlFileName1) liest alle Zeilen auf einmal. ich glaube nicht, dass es ist ein .ReadLine () - Methode in iTextSharp. Ging zu Ihr API und konnte Sie nicht finden. Könntest du ein Beispiel zeigen was du meinst mit der while-Schleife?
Blick auf diese Previous Stackoverflow posting sollte zeigen Sie in die richtige Richtung stackoverflow.com/questions/2550796/...
PdfTextExtractor.GetTextFromPage(reader, page) verwendet die LocationTextExtractionStrategy was wiederum bedeutet einfügen '\n' wenn die Textzeile ändert. Wenn es nicht für Sie, so etwas ist bedenklich. Könnten Sie daher, die Versorgung der PDF zur Kontrolle?
versuchen Sie, text.Replace("\n","<br/>")

InformationsquelleAutor Xander | 2013-04-01

  1. 7
        public void ExtractTextFromPdf(string path)
    {
        using (PdfReader reader = new PdfReader(path))
        {
            StringBuilder text = new StringBuilder();
            ITextExtractionStrategy Strategy = new iTextSharp.text.pdf.parser.LocationTextExtractionStrategy();

            for (int i = 1; i <= reader.NumberOfPages; i++)
            {
                string page = "";

                page = PdfTextExtractor.GetTextFromPage(reader, i,Strategy);
                string[] lines = page.Split('\n');
                foreach (string line in lines)
                {
                    MessageBox.Show(line);
                }
            }
        }
    }
    Beim posten von Antworten, immer auch einige Zusammenfassung darüber, wie der code funktioniert und was es genau macht. Einfach Entsendung ein code-snippet ist in der Regel nicht genug.
    Ich Mach diese Dinge ...vielen Dank

    InformationsquelleAutor Snziv Gupta

  2. 1

    LocationTextExtractionStrategy automatisch einfügen '\n' in der Ausgabe text. Manchmal ist es jedoch fügt '\n', wo es nicht sollte.
    In diesem Fall müssen Sie zum erstellen einer benutzerdefinierten TextExtractionStrategy oder RenderListener. Bascially die code erkennt newline ist die Methode 

    public virtual bool SameLine(ITextChunkLocation other) {
            return OrientationMagnitude == other.OrientationMagnitude &&
                   DistPerpendicular == other.DistPerpendicular;
        }

    In einigen Fällen, '\n' sollte nicht eingesetzt werden, wenn es nur kleine Unterschied zwischen DistPerpendicular und andere.DistPerpendicular, so dass Sie es ändern müssen, um so etwas wie Mathematik.Abs(DistPerpendicular - andere.DistPerpendicular) < 10

    Oder Sie können dieses Stück code in der RenderText-Methode Ihres benutzerdefinierten TextExtractionStrategy/RenderListener Klasse

    InformationsquelleAutor Silent Sojourner

  3. 0

    Verwenden LocationTextExtractionStrategy statt der SimpleTextExtractionStrategy. LocationTextExtractionStrategy extrahierten text enthält das neue-Zeile-Zeichen am Ende der Zeile.

    ITextExtractionStrategy Strategy = new FilteredTextRenderListener(new LocationTextExtractionStrategy(), renderFilter);
string pdftext = PdfTextExtractor.GetTextFromPage(reader,pageno, Strategy);
string[] words = pdftext.Split('\n');
return words;
    Vollständigen code, bitte.

    InformationsquelleAutor Kumar Sandeep

  4. 0

    Ich weiß, ist das posting in einem älteren Beitrag, aber ich verbrachte eine Menge Zeit damit, um dies herauszufinden, also ich werde diese für die Zukunft Menschen, die versuchen, google:

    using System;
using System.Text;
using iTextSharp.text.pdf;
using iTextSharp.text.pdf.parser;

namespace PDFApp2
{
class Program
{
    static void Main(string[] args)
    {

        string filePath = @"Your said path\the file name.pdf";
        string outPath = @"the output said path\the text file name.txt";
        int pagesToScan = 2;

        string strText = string.Empty;
        try
        {
            PdfReader reader = new PdfReader(filePath);

            for (int page = 1; page <= pagesToScan; page ++) //(int page = 1; page <= reader.NumberOfPages; page++) <- for scanning all the pages in A PDF
            {
                ITextExtractionStrategy its = new iTextSharp.text.pdf.parser.LocationTextExtractionStrategy();
                strText = PdfTextExtractor.GetTextFromPage(reader, page, its);

                strText = Encoding.UTF8.GetString(ASCIIEncoding.Convert(Encoding.Default, Encoding.UTF8, Encoding.Default.GetBytes(strText)));
                //creating the string array and storing the PDF line by line
                string[] lines = strText.Split('\n');
                foreach (string line in lines)
                {
                    //Creating and appending to a text file
                    using (System.IO.StreamWriter file = new System.IO.StreamWriter(outPath, true))
                    {
                        file.WriteLine(line);
                    }
                }
            }

            reader.Close();
        }
        catch (Exception ex)
        {
            Console.Write(ex);
        }
    }
}
}

    Hatte ich das Programm Lesen Sie in einer PDF-Datei aus einem Pfad, und nur die Ausgabe in eine text-Datei, aber Sie können manipulieren, zu nichts. Diese wurde ausgehend von Snziv Gupta Antwort.

    InformationsquelleAutor supersoka

  5. -2

    Versuchen

     String page = PdfTextExtractor.getTextFromPage(reader, 2);
 String s1[]=page.split("\n");

    InformationsquelleAutor adebayo

Schreibe einen Kommentar